无线传感器网络智能技术与应用 课件 第10章 WSN与人工智能物联网

无线传感器网络智能技术与应用武汉理工大学清华大学出版社2025.8

无线传感器网络武汉理工大学人工智能与计算机学院

第10章

WSN与物联网

学习导航第10章WSN与人工智能物联网

学习目标◆◆了解人工智能,包括人工智能的定义、产业链、几个关键的技术和应用。◆了解物联网,包括物联网的兴起、定义、特点、技术架构、关键技术、物联网下的WSN、基于RFID车载信息服务系统和应用。◆了解人工智能物联网,包括AIoT的基本概念、AIoT的关键技术、AIoT的应用、AIoT的发展。◆了解水下无线传感器网络,包括水下无线传感器网络的基本概念、水下无线传感器网络的架构、水下无线传感器网络通信技术和UWSN的应用。

10.1人工智能10.1.1人工智能的定义

人工智能(ArtificialIntelligence,AI)是一个以计算机科学为基础,由计算机、心理学、哲学等多学科交叉融合的交叉学科、新兴学科,也是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学,企图了解智能的实质,并生产出一种新的能以与人类智能相似的方式做出反应的智能机器,该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。

人工智能的产业链分为基础层、技术层、应用层三个层次,如图10-1所示。基础层包括芯片、大数据、算法系统、网络等多项基础设施,为人工智能产业奠定网络、算法、硬件铺设、数据获取基础等。技术层包括计算机视觉、语音语义识别、机器学习、知识图谱等。应用层包括金融、泛安防、教育、医疗、机器人、交通、零售等。人工智能产业链有深度、有广度,蕴含着巨大的市场机会和发展潜力。10.1.3人工智能的几个关键技术人工智能技术包含机器学习、自然语言处理、人机交互、计算机视觉、生物特征识别、VR/AR、知识图谱7个关键技术。1.机器学习1)机器学习的定义

机器学习(MachineLearning)是一门涉及统计学、系统辨识、逼近理论、神经网络、优化理论、计算机科学、脑科学等诸多领域的交叉学科,研究计算机怎样模拟或实现人类的学习行为,以获取新的知识或技能,重新组织已有的知识结构,使之不断改善自身的性能,是人工智能技术的核心。2)机器学习的分类根据学习模式将机器学习分为监督学习、无监督学习和强化学习等。根据学习方法将机器学习分为传统机器学习和深度学习。监督学习是利用已标记的有限训练数据集,通过某种学习策略/方法建立一个模型,实现对新数据/实例的标记(分类)/映射。无监督学习是利用无标记的有限数据描述隐藏在未标记数据中的结构/规律。强化学习是智能系统从环境到行为映射的学习,以使强化信号函数值最大。传统机器学习从一些观测(训练)样本出发,试图发现不能通过原理分析获得的规律,实现对未来数据行为或趋势的准确预测。深度学习是建立深层结构模型的学习方法,典型的深度学习算法包括深度置信网络、卷积神经网络、受限玻尔兹曼机和循环神经网络等。2.自然语言处理10.1.3人工智能的几个关键技术（继）自然语言处理(NaturalLanguageProcessing,NLP)是语言学、计算机科学和人工智能的一个分支,主要研究如何使用计算机自动(或半自动)地处理、理解、分析以及运用人类语言。自然语言处理旨在研究语言能力和语言应用的模型,建立计算机(算法)框架来实现这样的语言模型,并完善、评测,最终用于设计各种实用系统。自然语言处理是计算机科学领域与人工智能领域中的一个重要方向,研究能实现人与计算机之间用自然语言进行有效通信的各种理论和方法,涉及的领域较多,主要包括机器翻译、机器阅读理解和问答系统等。自然语言处理面临以下四大挑战。(1)在词法、句法、语义、语用和语音等不同层面存在不确定性。(2)新的词汇、术语、语义和语法导致未知语言现象的不可预测性。(3)数据资源的不充分使其难以覆盖复杂的语言现象。(4)语义知识的模糊性和错综复杂的关联性难以用简单的数学模型描述,语义计算需要参数庞大的非线性计算。10.1.3人工智能的几个关键技术（继）3.人机交互人机交互(Human-ComputerInteraction,HCI)是指人与计算机之间使用某种对话语言以一定的交互方式为完成确定任务所进行的人与计算机之间的信息交换过程,它是人工智能领域重要的外围技术。

传统的人与计算机之间的信息交换主要依靠交互设备进行,主要包括键盘、鼠标、操纵杆、眼动跟踪器、位置跟踪器、数据手套、压力笔等输入设备,以及打印机、绘图仪、显示器、头盔式显示器、音箱等输出设备。人机交互技术除了传统的基本交互和图形交互外,还包括语音交互、情感交互、体感交互及脑机交互等技术。4.计算机视觉10.1.3人工智能的几个关键技术（继）

计算机视觉(ComputerVision)是指使用计算机模仿人类视觉系统的科学,让计算机拥有类似人类提取、处理、理解和分析图像以及图像序列的能力。计算机视觉技术可以识别图像中的物体、人脸、场景等信息,实现图像检索、人脸识别、目标跟踪、自动驾驶等任务。计算机视觉技术也是现代人工智能技术中的重要组成部分之一。根据解决的问题,计算机视觉可以分为计算成像学、图像理解、三维视觉、动态视觉和视频编解码5大类。(1)计算成像学:计算成像学是探索人眼结构、相机成像原理以及延伸应用的科学。(2)图像理解:图像理解是通过用计算机系统解释图像,实现类似人类视觉系统理解外部世界的一门科学。(3)三维视觉:三维视觉即研究如何通过视觉获取三维信息(三维重建)以及如何理解所获取的三维信息的科学。(4)动态视觉:动态视觉即分析视频或图像序列,模拟人处理时序图像的科学。(5)视频编解码:视频编解码是指通过特定的压缩技术将视频流进行压缩。10.1.3人工智能的几个关键技术（继）5.生物特征识别生物特征识别技术是指通过个体生理特征或行为特征对个体身份进行识别认证的技术。从应用流程看,生物特征识别通常分为注册和识别两个阶段。(1)注册阶段通过传感器对人体的生物表征信息进行采集,如利用图像传感器对指纹和人脸等光学信息、利用麦克风对说话声等声学信息进行采集,利用数据预处理以及特征提取技术对采集的数据进行处理,得到相应的特征进行存储。(2)识别过程采用与注册过程一致的信息采集方式对待识别人进行信息采集、数据预处理和特征提取,然后将提取的特征与存储的特征进行比对分析,完成识别。从应用任务看,生物特征识别一般分为辨认与确认两种任务。(1)辨认是指从存储库中确定待识别人身份的过程,是一对多的问题。(2)确认是指将待识别人信息与存储库中的特定单人信息进行比对确定身份的过程,是一对一的问题。

10.1.3人工智能的几个关键技术（继）6.VR/AR虚拟现实(VR)/增强现实(AR)是以计算机为核心的新型视听技术,结合相关科学技术,在一定范围内生成与真实环境在视觉、听觉、触感等方面高度近似的数字化环境。虚拟现实/增强现实从技术特征角度,按照不同处理阶段,可以分为获取与建模技术、分析与利用技术、交换与分发技术、展示与交互技术以及技术标准与评价体系5个方面。(1)获取与建模技术研究(2)分析与利用技术重点研究(3)交换与分发技术(4)展示与交互技术(5)技术标准与评价体系10.1.3人工智能的几个关键技术（继）7.知识图谱知识图谱(KnowledgeGraph,KG)则是人工智能技术中的重要组成部分,它是一种结构化的、语义化的知识表示方式,能够帮助计算机理解和处理人类语言。1)知识图谱的定义知识图谱是一种将实体、关系和属性等知识以图形化的形式表示出来的知识库。2)知识图谱的组成知识图谱通常有三个组成部分,分别是实体、关系和属性。3)知识图谱的构建知识图谱的构建是一个相对复杂的过程,它需要从各种来源获取、整合和加工大量的数据,包括结构化数据、半结构化数据和非结构化数据等。通常,知识图谱的构建可以分为以下几个步骤。(1)数据收集:

(2)数据清洗:(3)实体抽取:

(4)关系抽取:

(5)属性抽取:(6)数据建模:(7)知识推理:4)知识图谱的应用知识图谱可以应用于多个领域,如搜索引擎、智能客服、自然语言处理、数据分析等。10.1.4人工智能的应用人工智能技术广泛应用在医疗健康、金融服务、制造业、零售业和教育培训等领域。1.医疗健康人工智能技术在医疗健康领域中有很多应用。2.金融服务人工智能技术在金融服务领域中也有很多应用。3.制造业人工智能技术在制造业中也有很多应用。4.零售业人工智能技术在零售业中也有很多应用。5.教育培训人工智能技术在教育培训领域中也有很多应用。10.2物联网10.2.1物联网近年来,“物联网”已成为备受人们推崇的热点词汇,从一般性的网站、技术报刊、行业期刊,到广告宣传,以及技术论坛、行业评估、股票等,无不在热议“物联网”。物联网是继计算机、互联网之后,世界信息产业的第三次浪潮。10.2.2物联网的定义物联网(InternetofThings,IoT)是新一代信息技术的重要组成部分。广义地讲,物联网是一个未来发展的愿景,等同于“未来的互联网”或“泛在网络”,能够实现人在任何时间、地点使用任何网络和任何人与物的信息交换以及物与物之间的信息交换。狭义地讲,物联网是物品之间通过传感器连接起来的局域网,不论是否接入互联网,都属于物联网的范畴。10.2.3物联网的特点物联网具有以下特点。(1)不同应用领域的专用性:(2)高度的稳定性和可靠性:(3)严密的安全性和可控性:(4)它是各种感知技术的广泛应用。(5)它是一种建立在互联网上的泛在网络。(6)物联网不仅提供了传感器的连接,其本身也具有智能处理的能力,能够对物体实施智能控制。10.2.4物联网的技术架构从技术架构上来看,物联网可分为感知层、网络层和应用层,如图10-2所示。感知层由各种传感器以及传感器网关构成,网络层由各种私有网络、互联网、有线和无线通信网、网络管理系统和云计算平台等组成,应用层是物联网和用户(包括人、组织和其他系统)的接口10.2.5物联网的关键技术在物联网应用中有以下三项关键技术。(1)传感器技术:(2)RFID标签:(3)嵌入式系统技术:此外还有电子产品编码、全球定位系统、云计算。(1)电子产品编码(ElectronicProductCode,EPC)。(2)全球定位系统(GlobalPositioningSystem,GPS)。(3)云计算(CloudComputing)。物联网可以从云计算中获取信息的计算、存储和处理能力。10.2.6物联网下的WSN目前,面向物联网的传感器网络技术的研究包括以下内容。1.先进的测试技术及网络化测控2.智能化传感器网络节点的研究3.传感器网络组织结构及底层协议的研究4.对传感器网络自身的检测与控制5.传感器网络的安全6.RFID与WSN融合技术10.2.7基于RFID的车载信息服务系统1.系统整体设计系统的整体设计如图10-3所示。(1)处理器模块:(2)音频处理模块:(3)电源管理模块:(4)网络模块和GPS模块:(5)摄像头模块:(6)蓝牙模块:(7)交互接口模块:(8)FM功能模块:(10)扩展接口模块:(11)OBDII模块。2.系统硬件设计10.2.7基于RFID的车载信息服务系统（继）系统硬件框图如图10-4所示。系统硬件主要有以下几个部分:(1)CPU；(2)RAM内存(3)音频输入/输出(4)LCD(5)3G模块(6)GPS(8)本地网络接口(9)FM收音机模块(10)摄像头(11)电源管理(12)USB扩展(13)S5PV210(14)Android(15)温度(16)外部存储(17)车辆诊断系统(18)RFID模块3.系统网络模块系统网络模块主要由三部分组成,即有线网络、Wi-Fi网络和3G网络。有线网络主要是为了方便开发调试,Wi-Fi网络是为了给车内用户提供Wi-Fi热点,3G网络是真正实现车载信息系统的网络接入。10.2.7基于RFID的车载信息服务系统（继）4.系统软件设计系统软件部分主要包括BootLoader、内核及驱动、Android文件系统。5.应用软件设计

应用开发采用Eclipse+ADT,需要安装JDK、Eclipse、ADT插件、AndroidSDKTools。10.2.7基于RFID的车载信息服务系统（继）6.系统软件测试系统软件测试首先测试平台的稳定性,即设备开机可以正常运行,长时间运行不会出现重启、崩溃等现象。系统开机后界面如图10-7所示。10.2.7基于RFID的车载信息服务系统（继）如表10-1所示为软件测试项目及结果,测试结果表明各个模块无论是独立测试还是集成测试都能稳定运行。10.2.8物联网的应用由于物联网具有实时性和交互性的特点,其应用领域主要如下。(1)城市管理。(2)现代物流管理(3)食品安全控制:(4)零售:(5)数字医疗(6)防入侵系统10.3人工智能物联网10.3.1AIoT的基本概念

人工智能物联网(AIoT)是指物联网和人工智能技术相结合的一种新型技术。物联网是指通过互联网连接各种物理设备,使得这些设备能够相互交流和协作。1.人工智能物联网的定义人工智能物联网=AI(人工智能)+IoT(物联网)。2.人工智能物联网的技术架构人工智能物联网的技术架构由感知层、接入层、边缘层、核心交换层、应用服务层与应用层组成,如图10-8所示。10.3.1AIoT的基本概念(继)10.3.1AIoT的基本概念(继)3.AIoT的三个发展阶段AIoT的三个发展阶段及特征是智能硬件和物联网设备的普及、人工智能技术的引入、全面智能化和自主化。

1)智能硬件和物联网设备的普及2)人工智能技术的引入3)全面智能化和自主化4.AIoT的特点AIoT的特点在于强调智能化和自主性。传统物联网主要是连接设备和数据,而AIoT更强调通过智能算法和学习模型来分析数据,实现自主决策和优化。10.3.2AIoT的关键技术1.感知技术

1)传感器接入AIoT2)RFID与EPC技术3)位置感知技术2.接入技术接入技术按通信信道类型可分为有线和无线接入两种。3.边缘计算技术4.5G技术5.云计算技术6.大数据技术7.数字孪生8.区块链技术10.3.3AIoT的应用1.智能家居通过AIoT技术,家庭中的各种设备可以智能联动,实现自动化控制,如智能家居安防、智能照明、智能温控等。2.智慧城市AIoT可以应用于城市基础设施,如交通管理、垃圾处理、能源管理等,提高城市运行效率和资源利用率。3.工业制造AIoT可以应用于工业自动化领域,实现智能制造和预测性维护,提高生产效率和质量。4.医疗健康AIoT可以应用于医疗领域,实现远程医疗、智能监护和个性化治疗,提高医疗服务水平。10.3.4AIoT的发展1.AIoT带来的巨大潜力(1)智能决策:AIoT通过深度学习和数据分析能够从大量数据中提取有价值的信息,做出智能决策,推动各行各业的智能化升级。(2)资源优化:AIoT能够实时监测和优化资源的使用,提高资源利用率,减少浪费,从而降低能源消耗和环境压力。(3)个性化服务:AIoT通过对用户行为和偏好的分析,可以提供个性化的服务和推荐,提高用户满意度和忠诚度。(4)智慧生活:AIoT为人们的生活带来更多便利和舒适,如智能家居、智能医疗、智能交通等,提升生活品质。2.AIoT面临的挑战(1)安全与隐私:AIoT涉及大量个人数据,安全与隐私保护是其重要挑战,需要采用加密、权限管理等技术手段,保障数据的安全和合规。(2)互操作性:AIoT涉及多种设备和平台,互操作性是实现智能联动的关键,需要建立统一标准和协议,促进设备间的互联互通。(3)数据处理和存储:AIoT产生的海量数据需要进行高效处理和存储,需要采用分布式计算和云存储等技术手段,确保数据的实时性和可靠性。10.4水下无线传感器网络1.水下无线传感器网络的定义水下无线传感器网络(UnderwaterWirelessSensorNetwork,UWSN)是使用飞行器、潜艇或水面舰将大量的(数量从几百到几千个)廉价微型传感器节点随机布放到感兴趣水域,节点通过水声无线通信方式形成一个多跳的、自组织的网络系统,协作地感知、采集和处理网络覆盖区域中感知对象的信息,并发送给接收者。2.水下无线传感器的组成水下无线传感器主要由控制器(CPU)、存储器、传感器和水声调制解调器(水声Modem)等组成,其内部结构如图10-9所示。3.水下无线传感器网络的组成如图10-10所示,4.网络结构的分类UWSN可以按照不同的标准进行分类。例如,按照节点的移动性分为静态、半静态和动态网络;根据是否考虑节点深度分为二维拓扑结构和三维拓扑结构;根据节点到达目的节点的跳数分为单跳、多跳和混合网络;根据网络对时延的敏感性分为时延敏感网络和时延不敏感网络。10.4水下无线传感器网络（继）10.4.2水下无线传感器网络的架构1.网络拓扑架构水下传感器网络的拓扑结构是一个开放的研究领域,目前研究的水下无线传感器网络的拓扑结构通常有二维结构和三维结构两种。2.水下无线传感器网络的分层架构水下无线传感器网络包括物理层、链路层、网络层、传输层和应用层,这与陆地无线传感器网络的结构相同,不同的是两种网络在各层使用的协议。目前,水下无线传感器网络技术的研究主要集中在物理层、链路层、网络层、传输层。10.4.3水下无线传感器网络的通信技术水下传感器网络部署在极